城市黑臭水體是典型的污染現象，主要由生活污水直排、工業廢水、河道斷流等因素引發。傳統監測依賴人工采樣，效率低、覆蓋有限，且難以獲取河道中心數據。衛星遙感雖可大范圍監測，但受時空分辨率限制（如重訪周期長、云層干擾），對小尺度河道或突發污染響應不足，而無人機多光譜遙感可以相對更精準。

黑臭水體的光譜特征

黑臭水體具有顯著光譜標識，可作為無人機識別的理論基礎：

1. 低反射率：在400–900 nm波段整體反射率低于0.025 sr?1；

2. 弱光譜斜率：在400–550 nm波段反射率隨波長上升緩慢，斜率遠低于正常水體；

3. 峰谷特征消失：因藻類含量低，無620 nm吸收谷和700 nm反射峰，光譜曲線平緩；

4. 關鍵波段：綠光波段（520–590 nm） 對黑臭水體最敏感，反射率差異大。

無人機多光譜監測方案設計

1. 硬件配置

• 多光譜相機：搭載7波段多光譜成像相機（如MAX-S810），7個光譜通道+1個RGB通道，可獲得更為精準的光譜信息，覆蓋藍（450 nm）、綠（550 nm）、紅（650 nm）、紅邊（730 nm）、近紅外（840 nm），通過特定波段組合增強黑臭水體特征提取，內嵌多種模型，并有強大的光譜云平臺支撐，輕松適配農業、林業、生態環境、漏油檢測等多種應用場景。

2. 數據處理流程

• 輻射定標：將原始DN值轉換為輻射亮度；

• 大氣校正：采用FLAASH或經驗線性法，消除氣溶膠影響（無人機低空飛行可顯著提升精度）；

• 特征提取：基于光譜特征構建識別模型

3. 動態監測網絡構建

• 定期巡航：雨季/旱季加密飛行，跟蹤污染擴散路徑；

• 熱點預警：基于歷史數據識別易發區域（如人口密集區、斷頭河段）；

應用案例與效益

• 無人機成果：

• 識別11條黑臭河段（總長40.7 km），精準定位排污口8處；

• 發現黑臭水體集中于居民區，與生活污水排放強相關；

• 治理效益：

• 監測成本降低60%，響應時間從周級縮短至小時級；

• 為“海綿城市”建設提供污染源動態分布圖。

挑戰與展望

1. 挑戰：

• 水面鏡面反射干擾；

• 細小漂浮物（樹葉、泡沫）易導致誤判。

2. 未來方向：

• 融合高光譜（400–1000 nm）提升特征區分度；

• 結合AI算法實現自動分割；

• 與物聯網水質傳感器聯動，構建空天地一體化監測網。

無人機多光譜技術通過高分辨率光譜響應與動態監測能力，彌補了衛星遙感和地面采樣的不足，為城市黑臭水體的精準治理提供了可靠工具。隨著傳感器與算法迭代，其將在智慧水務中發揮核心作用。

參考文獻：
溫爽等. 基于高分影像的城市黑臭水體遙感識別: 以南京為例[J]. 環境科學, 2018, 39(1): 57–67.